Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг. (стр. 7 из 22)

Адаптивная модель предполагает, что точность предыдущих прогнозов положительно связана с формированием прогнозов на следующем шаге. Тогда в ситуации, когда фактические изменения спроса оказались лучше предыдущих планов изменения выпуска, предприятия должны, поверив этим фактическим изменениям и в стремлении "добрать" неудовлетворенный или упущенный спрос, планировать рост выпуска и таким образом адаптироваться к фактическим изменениям спроса на свою продукцию. Если же фактические изменения спроса оказались хуже планировавшихся изменений производства, то адаптация предприятий должна состоять в снижении выпуска. В том же случае, когда планы производства совпали с изменениями спроса, то предприятия не должны изменять объемы производства, т.е. планировать сохранение прежних объемов выпуска. Подобная модель, на наш взгляд, более интересна для анализа переходных экономик, характеризующихся резким свертыванием спроса и попытками предприятий сохранить прежние объемы производства. Такое сочетание приводит к избыточному выпуску, росту запасов готовой продукции и поиску альтернативных (неденежных) каналов сбыта. Использование традиционной адаптивной модели формирования планов производства (сформулированной западными исследователями для западных экономик) предполагает, скорее всего, что и фактические изменения и планы производства более или менее адекватны ситуации на рынке, и производителю надо лишь учесть эту динамику при формировании своих очередных планов. Такая постановка представляется далекой от действительности российской экономики 90-х годов ХХ века.

Наличие в составе показателей конъюнктурных опросов динамики сразу трех видов спроса еще больше, на наш взгляд, расширяет аналитические возможности адаптивной модели формирования планов производства. В этом случае можно рассмотреть влияние на планы предприятий сразу трех видов спроса в течение уникального периода, когда в России происходил переход от бартерной экономики к денежной.

Анализ адаптивных моделей формирования производственных планов начнем с базовой модели, в которой планы определяются точностью реализации предыдущих планов изменения производства:

Q*t = f( Ф(Qt, Q*t-1) ),

где Q*t - ожидаемые изменения производства, зарегистрированные в момент (опрос) t; Qt - фактические изменения производства, зарегистрированные в момент (опрос) t; Q*t-1 - ожидаемые изменения производства, зарегистрированные в момент (опрос) t-1; Ф(Qt, Q*t-1) - точность реализации ожидаемых изменений производства Q*t-1 относительно фактических изменений производства Qt.

Качество подгонки этой модели оказалось в подавляюще числе случаев хорошим: наблюдаемый уровень значимости очень редко опускался ниже пятипроцентного порога. Такие "провалы" были зарегистрированы в весной-летом 1995 и 1996 гг., а также в конце 1998 - начале 1999 г. А вот качество подгонки адаптивной модели в "мягкой" формулировке (Q*t = f( Qt, Q*t-1)) оказалось не таким стабильным. В период 1993-1994 гг. оно было высоким и очень устойчивым; в 1995 г. - высоким, но неустойчивым; в дальнейшем мягкая адаптивная модель полностью перестала быть применима к формированию производственных планов российских промышленных предприятий.

Коэффициенты "жесткой" модели (с использованием показателя точности прогнозов выпуска относительно фактических изменений выпуска) имели отрицательные знаки в течение всего периода наблюдения (1993-2001 гг.). Это означает, что при лучших фактических изменениях по сравнению с предыдущими прогнозами российские промышленные предприятия были не склонны верить этим фактам и на следующем шаге корректировать свои прогнозы в лучшую сторону. Они предпочитали сохранять прежний пессимизм своих прогнозов. И, наоборот, при наличии худших по сравнению с прогнозом фактических изменений оптимизм очередных прогнозов не снижался. Такую интерпретацию подтверждают значения коэффициентов в "мягкой" адаптивной модели. Эти коэффициенты, наоборот, были все положительны. А значения коэффициентов для предыдущих прогнозов всегда и существенно превосходили значения коэффициентов для предыдущих фактических изменений выпуска - особенно с 1996 г. (см. рис.4).

Теперь рассмотрим адаптивные модели формирования производственных планов, где в качестве независимых переменных используются точности прогнозов основных видов спроса относительности последующих реализаций этих же видов спроса. Адаптивная модель с участием только точности платежеспособного спроса имела хорошее качество подгонки в течение всего периода наблюдения (1995-2001 гг.). Единственным продолжительным исключением стало начало 2000 г. Коэффициенты модели были отрицательны и очень редко статистически значимы. Т.о. гипотеза об адаптивном (только по платежеспособному спросу) формировании производственных планов в российской промышленности не подтверждается. Аналогичные результаты были получены и для других видов спроса: модели имели приемлемое качество подгонки, но отрицательные коэффициенты, которые очень редко были статистически значимы.

На следующем шаге исследования адаптивных моделей рассмотрим модель, где в качестве независимых переменных фигурируют точности всех трех видов спроса одновременно:

Q*t = f( Ф(Dt, D*t-1), Ф(Bt, B*t-1), Ф(Nt, N*t-1) ),

где Q*t - ожидаемые изменения производства, зарегистрированные в момент (опрос) t; Dt, Bt, Nt - фактические изменения платежеспособного, бартерного и прочих неденежных видов спроса соответственно, зарегистрированные в момент (опрос) t; D*t-1, B*t-1, N*t-1, -ожидаемые изменения платежеспособного, бартерного и прочих неденежных видов спроса соответственно, зарегистрированные в момент (опрос) t-1.

Такая модель имела высокое качество подгонки: наблюдаемый уровень значимости гарантированно превосходил 5% порог (см. табл.7). Коэффициенты модели были чаще положительны, чем отрицательны, особенно - для точностей бартерного и прочих неденежных видов спроса. Но статистическая значимость коэффициентов была крайне низкой: 2-3 раза для каждого из видов спроса за два года мониторинга. И в этом случае не удалось получить надежных статистических аргументов в пользу адаптивного (по всем видам спроса) формирования планов выпуска в российской промышленности.

Таблица 7. Характеристики влияния точностей прогнозов платежеспособного, бартерного и прочих неденежных видов спроса на производственные планы предприятий

Дата	Характеристики качества подгонки модели			Коэффициенты модели для точностей прогнозов
				платежеспособного спроса		бартерного спроса		прочих неденежных видов спроса
	G2	Df	Sig		SE		SE		SE
2/00	43.827	49	0.6823	0.2043	0.1281	0.1636	0.1446	0.1229	0.1510
3/00	45.199	49	0.6280	0.3184	0.1123	0.1261	0.1374	-0.0296	0.1438
4/00	46.058	49	0.5931	0.0273	0.0970	0.0381	0.1234	0.1562	0.1306
5/00	59.101	49	0.1529	0.0678	0.1159	0.1137	0.1247	-0.0121	0.1467
6/00	36.586	49	0.9049	0.1456	0.1050	0.1943	0.1277	0.0430	0.1355
7/00	43.827	49	0.6823	0.0778	0.1138	0.1595	0.1462	0.1069	0.1667
8/00	30.335	49	0.9833	0.2227	0.1373	0.3052	0.1780	0.0619	0.1786
9/00	40.523	49	0.8004	-0.0113	0.1172	0.3944	0.1466	0.0466	0.1472
10/00	38.565	49	0.8580	-0.0030	0.1093	0.2140	0.1358	0.2721	0.1581
11/00	46.886	49	0.5593	0.1374	0.1105	0.0625	0.1402	0.1620	0.1469
12/00	38.135	49	0.8692	0.0665	0.1182	-0.0574	0.1775	0.3213	0.1859
1/01	32.61	49	0.9655	0.0723	0.1214	0.1508	0.1572	0.1518	0.1703
2/01	35.897	49	0.9185	-0.0770	0.1105	0.0186	0.1429	0.4275	0.1708
3/01	31.88	49	0.9723	0.0540	0.1038	0.3012	0.1486	-0.0468	0.1539
4/01	74.599	49	0.0107	0.1189	0.0987	0.0233	0.1334	0.2373	0.1328
5/01	49.981	49	0.4342	0.0770	0.1117	-0.1649	0.1554	0.4134	0.1558
6/01	46.475	49	0.5761	0.0020	0.1073	0.2565	0.1471	0.1449	0.1468
7/01	31.894	49	0.9722	0.0230	0.1163	0.0456	0.1453	0.4173	0.1613
8/01	54.263	49	0.2808	0.0621	0.1039	0.0644	0.1590	0.2582	0.1558
9/01	39.996	49	0.8169	-0.0031	0.1164	0.2303	0.1426	0.2446	0.1564
10/01	52.137	49	0.3529	0.4050	0.1362	0.2941	0.1614	-0.1061	0.1655
11/01	39.436	49	0.8337	-0.0691	0.1122	0.3663	0.1447	0.2585	0.1521
12/01	34.742	49	0.9383	-0.0167	0.1389	0.1898	0.2184	0.1709	0.2397

Примечание. В таблице приведены: G2 - величина отношения правдоподобия; df - число степеней свободы; Sig - наблюдаемый уровень значимости; коэффициенты

, оценивающие линейную связь (ассоциацию) рангов каждого из факторов с производственными планами, и стандартные ошибки (SE).